首页
学院新闻
学院公告
学术信息
就业信息

日本大阪府立大学Hisao Ishibuchi教授报告会

来源: 点击: 时间: 2016年12月29日 16:35

报告时间:2017年1月7日(周六)下午16:00

报告地点:校本部民主楼210会议室

报告题目:Dependency of Algorithm Development on Test Problems in the EMO (Evolutionary Multiobjective Optimization) Community进化多目标优化领域中算法设计对测试问题的依赖性研究

报告内容:

本报告主要介绍在进化多目标优化(EMO)领域中测试问题的选择对算法设计过程的影响。上世纪90年代中期,研究者提出了一些连续测试问题和EMO算法。通过一种随机初始化的方式,这些EMO算法所产生的初始种群位于测试问题Pareto前沿的附近。这一方式使NSGA和MOGA等一些收敛能力较弱的、未采用精英策略的算法可以求解连续测试问题。2000年前后,EMO领域的研究者们提出了难度更高的连续测试问题,而这些依赖于随机初始化过程的EMO算法求解新问题的能力已然不能让人满意。因此,在这期间,研究者们不断设计了如SPEA和NSGA-II这些收敛能力强、采用精英策略的EMO算法以改变这一现状。

同样在上世纪90年代中期,多目标组合优化领域提出了一种精英策略的、基于混合标量函数的EMO算法MOGLS。该方法的出现满足了组合优化测试问题对优化算法收敛能力要求较高的需求。然而,MOGLS却不适合求解两目标或3目标的连续测试问题。直到2010年前后,MOEA/D在高维多目标问题上表现出优越的性能,才使这类基于标量函数的优化方法开始在EMO领域流行起来。最近,研究者们针对高维多目标优化问题提出了一系列新方法,如NSGA-III和MOEA/DD等。通过对高维多目标测试问题例如DTLZ问题和WFG问题中一系列问题特性的测试,报告将总结这些基于MOEA/D框架的新方法能在高维问题上具备优越性能的原因。根据以上对算法设计和测试问题之间相互关系的讨论,针对高维多目标优化领域中的热门研究方向,报告将给出一些建议。

报告人简介:

石渕久生(Hisao Ishibuchi)先生是大阪府立大学工程研究生院教授,1985年和1987年在京都大学分别获得学士和硕士学位,1992年获得大阪府立大学博士学位,并于1999年成为了该校全职教授。他获得过GECCO(2004),HIS-NCEI(2006),FUZZ-IEEE(2009,2011),WAC(2010),SCIS&ISIS(2010)以及ACIIDS2015的最佳论文奖,还获得了2007年著名的JSPS奖。Hisao Ishibuchi是IEEE Fellow,IEEE计算智能学会专职科技活动的副主席(2010-2013),ICMLA2011大会主席,CEC2010以及IES2014的程序委员会主席,还是FUZZ-IEEE(2006,2011-2013,2015)以及IEEE CEC(2013-2014,2018)程序与技术委员会共同主席。Hisao Ishibuchi教授现在是IEEE CI Magazine(2014-2017)主编,IEEE CIS AdCom委员(2014-2019),IEEE计算智能学会杰出讲师(2015-2017)。还是IEEE TEVC(2007-2016),IEEE Acess(2013-2016)以及IEEE TCyb(2013-2016)副主编。Hisao Ishibuchi教授当前的研究方向包括基于模糊的分类器的设计、演化多目标和超多目标优化,以及演化游戏等。根据Google Scholar统计,他的论文总引用次数达到了19000多次,h-index为61。据2016年Elsevier上海全球学术学科最多引用研究者排行榜,他是计算机科学与工程引用最多的300人之一。

欢迎光临本报告会


返回首页

上一条:长江学者讲座教授陈智勇教授学术报告

下一条:学术报告“偏亚线性时间关于最大覆盖问题近似”